基于多源遥感与环境数据的可解释深度学习框架用于土壤盐分空间预测——以河北沧州为例

《Sensors》：An Interpretable Deep Learning Framework for Spatial Prediction of Soil Salinity Using Multi-Source Remote Sensing and Environmental Data: A Case Study of Cangzhou, Hebei Province, China

　　

土壤盐渍化对沿海和半干旱地区的农业生产力和可持续土地管理构成重大挑战。沿海农业区土壤盐分受地表条件、地下水过程、土壤性质和地形特征之间复杂相互作用的控制。准确的空间预测需要将遥感观测与表征这些过程的环境信息相结合。本研究提出了一种多源深度学习框架，将Sentinel-2衍生的光谱指数与环境协变量相整合，用于2024年采样期环境条件下区域土壤盐分的空间预测。采用SHapley Additive exPlanations（SHAP）量化预测框架内环境变量的贡献并提高模型可解释性。开发了一种结合挤压激励（Squeeze-and-Excitation, SE）注意力机制的卷积神经网络（Convolutional Neural Network, CNN），作为整合异质预测因子的非线性特征表示框架，同时使用冠毛豪猪优化器（Crested Porcupine Optimizer, CPO）优化模型超参数。所提出的框架在基准模型中取得了最高的预测性能，决定系数（R²）为0.785，均方根误差（Root Mean Square Error, RMSE）为0.928，平均绝对误差（Mean Absolute Error, MAE）为0.720。将环境协变量与光谱特征相整合进一步提高了预测性能，使R²从0.701提高到0.785。结果表明，将多源环境信息与可解释深度学习相结合，在相似的沿海农业条件下进行近地表土壤盐分空间预测具有潜力。

该研究聚焦土壤盐渍化这一全球性土地退化问题，以河北省沧州市为典型研究区，探讨了沿海半干旱环境下近地表土壤盐分的空间预测方法。研究指出，沧州地区土壤盐分受地表条件、地下水过程、土壤性质和地形特征共同控制，仅依赖光谱信息的传统遥感模型难以全面表征这一复杂过程。为此，研究人员提出了一个整合多源遥感与环境变量的可解释深度学习框架，旨在评估环境协变量对土壤盐分预测的补充价值，并提高模型的可解释性与预测精度。

研究人员于2024年5月在沧州采集了306个表层土壤样品，经筛选获得304个有效样本，用于构建和验证模型。框架以Sentinel-2光谱指数和11个环境变量为输入特征，采用结合挤压激励（Squeeze-and-Excitation, SE）注意力机制的卷积神经网络（Convolutional Neural Network, CNN）提取非线性特征，并利用冠毛豪猪优化器（Crested Porcupine Optimizer, CPO）自动优化超参数。同时引入SHapley Additive exPlanations（SHAP）量化环境变量贡献，提升模型可解释性。研究结果显示，所提出的CPO-CNN-SE-Attention模型取得了最优预测性能，决定系数（R²）为0.785，均方根误差（Root Mean Square Error, RMSE）为0.928，平均绝对误差（Mean Absolute Error, MAE）为0.720。集成环境变量后，R²由仅使用光谱指数时的0.701提升至0.785，说明环境协变量提供了光谱信息之外的补充预测信息。该研究为类似沿海农业条件下的土壤盐分高精度制图提供了可解释的深度学习方法。

主要技术方法包括：基于谷歌地球引擎（Google Earth Engine, GEE）平台获取2024年5月20日Sentinel-2影像，并进行云掩膜与波段重采样；计算8个盐分敏感光谱指数（NDVI、SRSI、SI等）；通过普通克里金插值将点状环境变量转换为连续栅格图层，欧氏距离分析生成距离海洋和河流变量，并将所有环境变量重采样至10 m网格；构建CNN-SE注意力模型进行非线性特征提取与通道重标定；利用CPO对学习率、卷积核数量、dropout率等超参数进行自动寻优；采用KernelSHAP估计特征贡献；使用随机划分（70%训练、30%测试）和按县级行政单元划分10块的空间块交叉验证评估模型泛化能力；以RMSE、MAE和R²作为性能评价指标。

研究结果如下：

**3.1 土壤盐分统计分析**
基于304个有效样本的统计显示，土壤总盐含量均值为2.01 g/kg，范围0.141～20.9 g/kg，标准差2.68 g/kg，表明研究区土壤盐分具有强烈空间异质性。样本中非盐渍化土壤151个、轻度盐渍化68个、中度盐渍化54个、重度盐渍化13个、盐土18个，非盐渍化和轻度盐渍化占主导，极端高盐样本较少。

**3.2 多源环境变量数据集构建**
研究人员构建了地下水埋深、高程、土壤含水量、黏粒含量、粉粒含量、砂粒含量、pH、地表结构、地貌类型、距离海洋和距离河流11个环境变量数据集。基于SHAP分析，距离海洋（贡献值0.6242）、pH（0.6072）、地下水埋深（0.3752）、地表结构（0.3686）和粉粒含量（0.3039）位列前五，分别代表沿海梯度、化学环境、水文条件、地形控制和土壤物理性质等信息类别。

**3.3 土壤盐分空间预测模型构建**
采用相同数据划分和十次重复实验比较不同模型性能。结果表明，CPO-CNN-SE-Attention模型表现最佳，R²为0.785±0.022，RMSE为0.928±0.034，MAE为0.720±0.019。对比实验显示，SE注意力机制较基线CNN将R²由0.597提升至0.676，CPO优化进一步将R²提升至0.785。将环境变量与光谱指数联合输入后，R²由0.701提升至0.785，RMSE由1.084降至0.928，证实环境变量具有补充预测价值。

**3.4 研究区土壤盐分空间分布预测**
应用训练后的模型生成沧州全域土壤总盐含量连续分布图。预测结果显示，非盐渍化面积占25.13%，轻度盐渍化占41.93%，中度盐渍化占25.72%，重度盐渍化与盐土合计占7.40%。空间上呈明显的东高西低梯度，黄骅市和海兴县预测盐分较高，远离海岸的局部洼地和古河道也出现较高盐分聚集。

讨论部分指出，环境变量的加入有效提升了模型性能，但SHAP贡献应理解为模型内的条件关联，而非独立因果效应。空间块交叉验证结果为R²=0.766，略低于随机划分的0.785，表明模型在降低空间依赖后仍保持较稳定的泛化能力。按盐分等级划分的类别识别精度为：非盐渍化93.38%、轻度盐渍化86.76%、中度盐渍化90.74%、重度盐渍化84.62%、盐土83.33%。研究局限性包括环境变量插值引入的不确定性、样本空间自相关可能造成的性能乐观估计，以及缺乏地下水矿化度数据对盐通量表征的限制。未来研究应引入更高分辨率环境数据和动态变量以进一步提高预测精度。

研究结论翻译如下：本研究通过整合Sentinel-2光谱指数与环境协变量，构建了沧州市近地表土壤盐分空间预测的多源框架，结合了非线性预测、模型解释和超参数优化。KernelSHAP分析识别出距离海洋、pH、地下水埋深、地表结构和粉粒含量为贡献较高的五个环境变量，其中距离海洋贡献值最高（0.624）。所提出的深度学习框架取得了最优预测性能（RMSE=0.928，MAE=0.720，R²=0.785），表明非线性特征表示、注意力特征加权和超参数优化的集成有助于提升预测性能。环境变量的加入使R²由0.701提升至0.785，RMSE由1.084降至0.928，证实环境协变量通过表征与盐分变异相关的水文、土壤和地理条件，提供了遥感光谱信息之外的补充预测信息。尽管该框架在沧州研究区表现良好，但其在其他区域的适用性仍需进一步验证。总体而言，该框架为异质沿海环境下的区域近地表土壤盐分空间预测提供了一种可解释的技术途径。